粤东柘林湾海水养殖类型遥感提取研究

刘志根,曾 璇,廖佩琦,余思敏，余凌云

(怀化学院,湖南 怀化 418000)

1 引言

中国海域面积辽阔，拥有1.8×104km海岸线，且海湾岛屿众多，具有良好的海水养殖发展条件。海水养殖业在近几十年处于不断增长的趋势，根据《2021年全国渔业经济统计公报》显示，2021年全国水产品总产量6.690×107t，同比增长2.16%；水产养殖面积7.009×106hm2，同比下降0.38%。然而，水产养殖为我国带来巨大的经济利益的同时，对近海水体和生态环境造成破坏，产生了一系列水污染问题[1,2]。因此，掌握海水养殖的空间分布特征、养殖类型、养殖容量等信息十分重要，有利于促进沿海经济发展和渔业现代化管理。如何快速准确地提取近岸海水养殖类型，掌握海水养殖类型信息和空间分布特征，对监控近岸渔业的健康发展，促进沿海经济发展和渔业现代化管理具有重要意义。传统的养殖决策方法主要是依据先验知识和对统计数据的分析来提供决策方案，存在较大的局限性和风险性，遥感具有监测范围广、周期短、地物信息丰富等特点，可实现大范围、快速实时的监测近海渔业分布信息[3]。国外学者对水产养殖遥感监测的研究较早。M. Béland 等基于TM遥感影像，利用非监督分类法对越南 Giao Thuy 地区的对虾养殖池进行了不同时期遥感监测[4]。Karen C. Seto 和 Michail Fragkias 利用 QuickBird 高分辨率遥感影像对越南 TIEN HAI 和 XUAN THUY 地区的水产养殖信息遥感提取[5]。国内学者对水产养殖遥感监测研究成果颇多，水产养殖信息的识别方法归纳为目视解译[6]、比值指数法[7]、特征分析法[8]和面向对象法[9]等。樊建勇等探讨了SAR影像在胶州湾海水养殖面积监测的可行性，全面直观地再现了养殖区的分布特征[10]。周小成等利用ASTER数据，构建比值型指数法分离出水产养殖区[11]。李俊杰等用中巴资源卫星多光谱数据进行了湖泊围网养殖区的提取，得到较高精度的结果[12]。初佳兰等利用支持度和可信度挖掘出关联规则构建特征集，提取大连市长海县筏式养殖信息[13]；王静等应用对应分析方法快速有效地提取出滆湖网箱养殖信息[14]。关学彬等采用面向对象方法对海南省文昌地区的水产养殖区进行监测，避免了椒盐噪声效应[15]。王晓轩等利用TM和SPOT数据，采用BP神经网络进行广东海水养殖模式的识别，取得了良好效果[16]。郑旭霞利用多源遥感数据结合决策树分类提取九龙江口水产养殖水体，分析了30年间九龙江口水产养殖水体的时空演变规律[17]。卫明等基于遥感影像对三沙湾进行网箱养殖区和藻类养殖区的分类提取和统计，并分析了12年间两种水产养殖面积与分布的动态变化[18]。文可等基于哨兵遥感数据和谷歌地球引擎平台的水产养殖池塘识别方法，结合多阈值分割和面向对象分类提取2019年广西北部湾海岸带的水产养殖池塘信息[19]。以粤东柘林湾海水养殖区为研究对象，利用高分二号卫星影像数据，运用面向对象分类规则方法，结合光谱、形状和空间关系特征，实现海水养殖类型的精确提取，为海岸带海水养殖规划与管理提供技术手段。

2 数据来源与研究方法

2.1 研究区概况

柘林湾地处广东省潮州市饶平县南部，介于116°58′E～1l7°05′E和23°31′N～23°37′N，总面积为79.3 km2，地处闽、粤两省的交界处，北靠黄冈河平原，东倚柘林半岛，南有汛洲岛、西澳岛相伴，西至海山岛，湾内水域面积宽阔为69 km2，滩涂面积16 km2。该区域属海洋性亚热带季风气候，避风条件好，优越的海洋环境为海水养殖的发展提供了良好条件，湾域鱼类品种繁多，拥有全国最大的海水网箱养殖示范基地，俗称“海上牧场”。

2.2 数据源及预处理

数据源是高分二号(GF-2)卫星PMS 1A级(预处理级辐射校正影像产品)的一时相遥感影像，成像时间为2018年9月22日，影像空间分辨率为2 m。使用的高分二号1A级遥感影像产品已进行均一化辐射校正处理，可采用RPC(Rational Polynomial Coefficient)模型结合提供的PRC控制点数据，对全色和多光谱影像进行无地面控制点的正射校正。采用规则裁剪的方法对影像进行裁剪，截取柘林湾的9.89 km×10.82 km矩形范围为研究区域。

2.3 研究方法

为了找到最优的分割参数，采用平均分割评价指数ASEI(Average Segmentation Evaluation Index)方法得到不同养殖模式的最优分割参数组合[20]。对于同质性和异质性的量化，根据对象最优分割的准则，理想的分割结果应该与其同质性成反比，而与其邻域对象的异质性成正比，设定影像所有波段的权重都相等，得到平均分割评价指数ASEI：

(1)

3 结果分析

3.1 最优分割参数组合

本研究根据每种养殖模式的选择一个典型养殖集中分布区作为样本区，进行最优分割参数组合实验区。然后利用eCognition软件，波段权重都为1，尺度以10为步长递增，范围是10～150，形状阈值以0.1为步长，取值范围是0.1～0.5，紧凑度阈值以0.1为步长，取值范围是0.1～0.9，计算4个样本区不同分割参数组合下的平均分割评价指数ASEI。池塘养殖的ASEI最大值出现在分割尺度50，形状阈值0.3，紧凑度阈值0.8的分割参数组合；网箱养殖在分割尺度40，形状阈值0.2，紧凑度阈值0.8的分割参数组合；滩涂插养和浮筏吊养的最大ASEI都出现在分割尺度70，形状阈值0.3，紧凑度阈值0.8的分割参数组合，进而得到了4种养殖模式的最优分割参数组合(表1)。

表1 最优分割参数(ASEI最大值)组合

3.2 分类特征参数选取

为实现不同海水养殖类型的信息提取，先对实验区内水体类型进行了目视判别分析，建立了4种不同养殖类型遥感图像判别解译标志(图1)，分别是池塘养殖、网箱养殖、滩涂养殖、浮筏吊养。由于不同水体之间的特征光谱曲线极其相近，无法从单一的光谱信息进行不同养殖模式水体的分类提取。因此，采用面向对象分类方法，引入对象的纹理和几何特征，提高分类的准确性。根据海水养殖水面多为规则矩形和其他水面对象接近于不规则椭圆形的情况，选取了对象的光谱统计特征、几何特征、空间关系等信息，加以辅助。

图1 水产养殖模式遥感图像解译标志

3.3 海水养殖类型信息提取

利用ArcGIS制作柘林湾海水养殖类型遥感分类空间分布图，可知，柘林湾主要以池塘养殖和网箱养殖为主。基于面积统计得到(表2)，池塘养殖面积2228.47 hm2，网箱养殖面积111.95 hm2，滩涂插养面积12.96 hm2，浮筏吊养面积48.35 hm2。研究区池塘养殖主要分布在研究区北部的黄冈镇。网箱养殖分布在两个区域，面积最大的养殖区呈条带状分布在汫洲镇三百门往东南方向到汛洲岛、西澳岛之间的海域上；第二个片区分布在海山岛东北角与汛洲岛西边海域之间，呈矩形状。滩涂插养紧挨着池塘养殖面海大堤南侧，在柘林湾的西北角。浮筏吊养分布在网箱养殖区周围，偏向于湾心一侧。研究结果为进一步优化养殖结构，调整养殖规模提供参考。

表2 水产养殖类型面积统计 hm2

3.4 分类精度评价

采用混淆矩阵方法对分类结果进行分类精度评价。参考实验区Google Earth高分辨率影像以及野外实地调查样点数据，选取300个样本点来评价分类结果。通过ENVI软件对基于像元的监督分类和基于关联规则的面向对象分类结果进行精度评估，得到柘林湾不同海水养殖模式的分类结果精度(表3)。基于关联规则的面向对象分类结果总体分类精度达88%以上，较基于像元的传统监督分类精度总体提升了16%，说明该方法可应用于近海岸海水养殖类型的遥感监测。

表3 分类结果精度评价结果

4 结论

准确掌握海水养殖的分布特征和养殖类型等信息，是监控海水养殖业健康发展的基础，有利于渔业资源与环境保护。利用高分二号遥感卫星影像进行粤东柘林湾海水养殖信息提取研究，其中，池塘养殖分布面积最大为2228.47 hm2，网箱养殖面积次之为111.95 hm2，滩涂插养面积12.96 hm2，浮筏吊养面积48.35 hm2。同时，验证了高分二号数据在提取四大养殖模式方面具有可行性，实验结果达到88%以上的精度，可为大面积开展我国沿海海水养殖类型和空间分布特征遥感普查工作提供参考。但仍存在不足，需要进一步的完善，在后续研究中将考虑使用不同类型及不同空间分辨率的遥感影像数据，通过使用多源遥感影像进行全面识别，以实现对近岸海水养殖健康发展的综合评价。